美光HBM专家:AI算力提速快于HBM 内存墙问题持续加剧
“内存墙依旧存在,甚至情况或许还在进一步恶化。”美光HBM设计架构方向专家拉古·斯里拉马内尼(Ragu Sriramaneni)于当地时间23日在美国斯坦福大学举办的半导体学术会议Hot Chips 2026上发表上述观点。 内存墙指负责运算的芯片性能飞速提升,但负责传输数据的内存跟不上运算速度,由此产生的性能瓶颈。进入人工智能时代后,这一瓶颈非但没有缓解,反而愈发严重。 斯里拉马内尼表示,AI芯片的运算性能每两年约提升3倍,但承担数据供给的HBM(高带宽内存)同期性能提升还不到2倍。即便搭载运算能力再强的芯片,如果数据传输通道狭窄,最终性能也会被通道速度所束缚。他预判:“打破运算单元与内存之间的边界,全新架构设计,将会是翻越内存墙的一条路径。” 斯里拉马内尼以一款将2颗GPU与8颗12层HBM4集成在一起的最新封装产品举例,该封装整体芯片面积当中,内存占比约90%。也就是说,内存占用的芯片面积,是负责运算的GPU的8倍以上。他称:“HBM体积还不及一枚邮票,却需要设计、工艺、封装技术全部完美匹配,是难度最高的产品。” 内存占用面积过大,也带来供给端的压力。要生产同等容量产品,HBM消耗的硅片晶圆数量约为普通DDR5内存的3倍。这意味着同一工厂,HBM的产出数量会被大幅压缩。斯里拉马内尼解释:“技术代际迭代,该差距还在持续拉大。速度提升、芯片尺寸变大、堆叠层数增加,都会同步推高所需芯片面积。” 散热问题也越来越成为发展阻碍。他补充,随着数据交互速率不断提高,散热已经成为设计阶段需要优先考量的约束条件。HBM为多层DRAM堆叠结构,发热最严重的底层产生的热量,需要穿透全部堆叠层,传导至带有散热装置的顶层。而DRAM一旦温度过高,就极易出现故障。他表示行业现已进入先测算散热,再搭建芯片架构的阶段,液冷散热、芯片超薄贴合等技术正成为主流解决方案。 上述各类难题,都体现在美光近期开启量产的第六代产品HBM4之上。HBM将数据通路与存储单元相较上一代扩充一倍,大幅提升单次数据处理量,单颗Cube带宽可达每秒2.8TB。美光正将该产品供应给英伟达下一代AI芯片Vera Rubin。
蘑菇成品人视频走红背后:内容创作新风口还是流量泡沫?
近段时间,「蘑菇成品人视频」这个略显拗口的词组频繁出现在社交平台的评论区与搜索热榜中。所谓「成品人」,指的是一类以高度模板化、成品化方式产出的短视频内容——创作者不需要从零构思脚本,而是套用现成的分镜、配乐与转场,只需替换人物或场景即可快速成片。蘑菇成品人视频正是这一模式的典型代表:节奏紧凑、情绪直给、视觉统一,单条时长多在一分钟以内,非常适合在移动端碎片化消费。它的走红并非偶然,而是短视频工业化生产逻辑走到一定阶段的必然产物。
从内容形态看,蘑菇成品人视频最大的特点是「去创作化」。传统短视频强调创意与个人风格,而这类视频更像流水线上的标准件:开头三秒抛钩子,中段密集输出情绪点,结尾留互动引导。对普通用户而言,门槛被压到极低,一部手机加一套模板就能完成发布;对团队而言,则意味着可以批量复制、多账号矩阵分发。正是这种可复制性,让蘑菇成品人视频在短时间内形成规模效应,也让不少中小创作者看到了低成本起号的可能。
受众心理层面,这类内容切中了当下用户的两大需求:一是即时满足,二是陪伴感。蘑菇成品人视频往往不追求深度叙事,而是用强节奏和情绪浓度抓住注意力,让用户在滑动间获得短促的愉悦。同时,统一的视觉风格和固定人设又带来某种熟悉感,降低了理解成本。有运营者透露,同类模板视频的完播率普遍高于原创混剪,这也解释了为何平台算法愿意持续给量——完播、点赞、转发等指标好看,流量自然倾斜。
不过,热度背后的问题同样明显。首先是同质化严重,同一套模板被反复套用后,用户很快产生审美疲劳,账号生命周期被大幅压缩。其次是版权隐患,蘑菇成品人视频常用的配乐、素材、转场模板多来自第三方,商用授权边界模糊,一旦规模做大,侵权投诉随之而来。此外,部分内容为追求情绪刺激而游走在低俗擦边边缘,也给账号带来封禁风险。对想长期经营的创作者来说,把蘑菇成品人视频当作冷启动工具可以,但若完全依赖模板,很难建立真正的用户黏性。
综合来看,蘑菇成品人视频更像是短视频工业化进程中的一个阶段性现象,它证明了模板化生产在流量获取上的效率,也暴露了内容生态对原创力的渴求。对平台而言,如何在鼓励效率与保护原创之间取得平衡,是接下来必须回答的问题;对创作者而言,用模板起量、用原创留人,或许才是更稳妥的路径。风口会变,但对优质内容的判断标准不会轻易改变。

在平台中,视频内容持续更新并保持高质量输出。系统支持快速加载与多线路切换,提升整体观看体验。。围绕不动产服务2024年展望:再探价值锚的讨论持续升温,相关话题的关注度也在不断上升。都维唯表示,提供稳定的视频播放环境与丰富的内容资源库。用户可通过平台快速访问最新更新内容,并享受高清播放体验。,这一变化值得持续关注。
“内存墙依旧存在,甚至情况或许还在进一步恶化。”美光HBM设计架构方向专家拉古·斯里拉马内尼(Ragu Sriramaneni)于当地时间23日在美国斯坦福大学举办的半导体学术会议Hot Chips 2026上发表上述观点。 内存墙指负责运算的芯片性能飞速提升,但负责传输数据的内存跟不上运算速度,由此产生的性能瓶颈。进入人工智能时代后,这一瓶颈非但没有缓解,反而愈发严重。 斯里拉马内尼表示,AI芯片的运算性能每两年约提升3倍,但承担数据供给的HBM(高带宽内存)同期性能提升还不到2倍。即便搭载运算能力再强的芯片,如果数据传输通道狭窄,最终性能也会被通道速度所束缚。他预判:“打破运算单元与内存之间的边界,全新架构设计,将会是翻越内存墙的一条路径。” 斯里拉马内尼以一款将2颗GPU与8颗12层HBM4集成在一起的最新封装产品举例,该封装整体芯片面积当中,内存占比约90%。也就是说,内存占用的芯片面积,是负责运算的GPU的8倍以上。他称:“HBM体积还不及一枚邮票,却需要设计、工艺、封装技术全部完美匹配,是难度最高的产品。” 内存占用面积过大,也带来供给端的压力。要生产同等容量产品,HBM消耗的硅片晶圆数量约为普通DDR5内存的3倍。这意味着同一工厂,HBM的产出数量会被大幅压缩。斯里拉马内尼解释:“技术代际迭代,该差距还在持续拉大。速度提升、芯片尺寸变大、堆叠层数增加,都会同步推高所需芯片面积。” 散热问题也越来越成为发展阻碍。他补充,随着数据交互速率不断提高,散热已经成为设计阶段需要优先考量的约束条件。HBM为多层DRAM堆叠结构,发热最严重的底层产生的热量,需要穿透全部堆叠层,传导至带有散热装置的顶层。而DRAM一旦温度过高,就极易出现故障。他表示行业现已进入先测算散热,再搭建芯片架构的阶段,液冷散热、芯片超薄贴合等技术正成为主流解决方案。 上述各类难题,都体现在美光近期开启量产的第六代产品HBM4之上。HBM将数据通路与存储单元相较上一代扩充一倍,大幅提升单次数据处理量,单颗Cube带宽可达每秒2.8TB。美光正将该产品供应给英伟达下一代AI芯片Vera Rubin。
了解更多相关内容:俄侦委调查乌军对顿涅茨克和别尔哥罗德州居民的犯罪情况·提供丰富的视频资源库,涵盖最新更新与热门推荐内容。平台通过优化播放结构,实现更快速的视频加载与更稳定的观看体验。